扣子智能体需通过「分析」看板查看实时会话量、点赞/点踩趋势、trace性能诊断及导出csv报表；会话数按session统计，点赞点踩反映主观体验，trace定位llm或插件瓶颈，数据保留7天且需提前开启观测。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
扣子智能体上线后急需掌握真实对话量、用户满意度、响应质量等核心运营数据，但找不到入口或看不清指标含义，会导致优化方向错误、资源错配甚至用户流失。
查看实时对话量与会话趋势
登录扣子官网（https://www.coze.cn），进入对应Bot管理页→在左侧导航栏点击「分析」选项卡。
选择时间范围：默认为近7天，如需对比周期，请手动切换为「近30天」或自定义起止日期——【自定义日期必须早于当前时间，且跨度不可超过90天】。
顶部汇总卡片中，“会话数”即独立session数量，一个用户连续对话不刷新session ID只计1次；下方折线图横轴为小时/日粒度，“会话分布热力”颜色越深代表该时段会话越密集，可快速识别高峰时段。
监控用户满意度：点赞/点踩数据定位体验断点
方法一：直接在「分析」面板查看趋势图
向下滚动至「近30天点赞点踩趋势」模块，观察每日点赞轮次（chat-level）与点踩轮次的比值变化。若某日点踩陡增而无明显功能更新，需立即检查当日触发的提示词或插件返回异常。
方法二：结合会话历史人工抽样验证
切换到「会话历史」标签页→筛选“含点踩标记”的会话→点击进入详情页，重点查看点踩前最后一条Bot回复内容及上下文。这一步操作起来很简单，直接点开就能看到原始对话流，无需额外配置。
注意：点赞/点踩仅统计用户主动点击行为，不包含自动埋点或API调用反馈，因此数据滞后于真实体验1～2秒，但具备强主观可信度。
扣子 (Windows) 是字节跳动推出的一站式 AI Agent 平台客户端，支持多 Agent 协作、可视化工作流和知识库管理。最新版本新增 Claude Code 与 Codex CLI 接入、多端同步和项目级管理功能，同时优化了插件生态和 AI 响应速度，让用户在 Windows 上即可高效创建、运行和协作智能体，满足个人、团队及企业场景需求。
诊断响应质量：从Trace罗盘定位性能瓶颈
第一步：进入「观测」→「Trace」页面，确保已开启该Bot的Trace上报（未开启则右上角显示“未启用”，需先返回Bot设置页勾选「启用观测」）。
第二步：在Trace列表中按时间倒序浏览，优先筛选状态为「failed」或duration_ms > 8000的记录。
第三步：点击目标Trace，查看「节点耗时分布」栏——若「LLM调用」节点占比超70%且token输入量异常高，说明提示词冗余或未做意图收敛；若「插件执行」节点延迟突出，则需检查插件服务稳定性或入参格式是否合规。
Trace数据保留最近7天，且仅对开启观测的Bot生效，关闭后历史Trace不可恢复。
导出结构化报表用于跨周期归因分析
在「分析」面板右上角点击「导出数据」按钮，选择「CSV格式」。
系统将生成含以下字段的表格：date、session_id、user_id、first_input、bot_response、is_liked、is_disliked、duration_ms、status。
导出文件命名规则为“BotID_YYYYMMDD_HHMMSS.csv”，下载后可直接导入Excel或Power BI进行漏斗归因，例如统计“输入含‘退款’关键词→Bot回复未调用客服插件→用户点踩”的路径占比。
